مهدی قبادی ارفعی - دانش اموخته کارشناسی ارشد مهندسی شیمی، دانشکده مهندسی شیمی،دانشگاه علوم و فنون مازندران
کامیار موقرنژاد - دانشیار و هیئت علمی گروه مهندسی شیمی،دانشکده مهندسی شیمی، دانشگاه صنعتی نوشیروانی بابل
فاطمه فتحی نیازی - دانش اموخته کارشناسی مهندسی شیمی،دانشکده مهندسی شیمی،دانشگاه صنعتی نوشیروانی بابل
شیوا اسماعیلی - دانش اموخته کارشناسی مهندسی شیمی،دانشکده مهندسی شیمی،دانشگاه صنعتی نوشیروانی بابل

فرایند خشک کردن بعنوان یکی از قدیمی ترین روش های نگهداری موادغذایی بویژه سبزیجات و میوه ها مطرح می باشد. خشک کردن امروزه بوسیله روشهای نوین و دستگاه های جدید انجام شده و پارامترها و عواملی مانند شرایط عملیاتی که در بازده و اقتصاد و کارایی فرایند، نقش اساسی دارند مورد بررسی قرار می گیرند.زمان،دما،رطوبت و سرعت جریان هوا از جمله مهمترین این عوامل می باشد. مدلسازی و پیش بینی فرایند خشک کردن می تواند یک راه حل مناسب برای کنترل بهینه فرایند باشد.در این تحقیق خشک کردن نخودفرنگی تحت شرایط عملیاتی خاص در چهارنوبت ازمایش،انجام شد وداده های ازمایش تحت عنوان رطوبت مطلق(X) که وابسته به زمان است گزارش شد.مدلسازی و پیش بینی بوسیله ی دوشبکه عصبی مصنوعی پرسپترون چندلایه(MLP) وماشینهای بردارپشتیبان (SVM) انجام شد که در در هر دو شبکه داده ها بطور تصادفی به دوقسمت اموزش(70%) برای مدلسازی و تست پنهان (30%) برای پیشبینی تقسیم بندی شد و ابتدا مدلسازی و بعد پیش بینی فرایند انجام شد. در هردوشبکه عصبی ذکرشده معیار سنجش شبکه های بهینه میانگین مربعات خطا (MSE) وضریب همبستگی(R)درنظرگرفته شده است.مقادیرضریب هبستگی درقسمت تست پنهان برای بیش بینی0.99776 ودرقسمت اموزش برای مدلسازی 0.99977درشبکه عصبی پرسپترون چندلایه وبرای اموزش درمدلسازی 0.99986وبرای تست پنهان در پیش بینی 0.99956 برای شبکه عصبی ماشین بردارپشتیبان گزارش شده که مقادیر قابل قبولی محسوب می شود.

خشک کردن، شبکه عصبی مصنوعی، مدلسازی، پیش بینی، نخودفرنگی